در آینده، ماشین‌های مدرن نه تنها باید الگوریتم‌ها را سریع و دقیق دنبال کنند، بلکه باید هوشمندانه عمل کنند به عبارت دیگر، به‌گونه‌ای که شبیه مغز انسان باشد. اکنون دانشمندانی از دورتموند، لافبورو، کیف و ناتینگهام مفهومی با الهام از بینایی توسعه داده‌اند که می‌تواند هوش مصنوعی آینده محاسبات نورومورفیک را بسیار کارآمدتر کند.

آنها یک مخزن فونون-مگنون روی تراشه برای محاسبات نورومورفیک ساختند که اخیراً توسط Nature Communications معرفی شده است.

اندام‌های حسی انسان اطلاعاتی مانند نور یا بو را به سیگنالی تبدیل می‌کنند که مغز از طریق تعداد زیادی نورون به هم متصل شده توسط سیناپس‌های بیشتری پردازش می‌کند. توانایی مغز برای تمرین، یعنی تبدیل سیناپس ها، همراه با تعداد زیاد نورون ها، به انسان اجازه می دهد سیگنال های خارجی بسیار پیچیده ای را پردازش کند و به سرعت به آنها پاسخ دهد.

محققان در تلاشند تا اصل انتقال سیگنال و آموزش را با سیستم‌های کامپیوتری پیچیده محاسبات نورومورفیک تقلید کنند، سیستم‌هایی که شبیه ساختارهای عصبی زیستی سیستم عصبی انسان هستند. با این حال، فن‌آوری‌های مدرن هنوز از دستیابی به تراکم و کارایی اطلاعات قابل مقایسه فاصله دارند.

یکی از رویکردهای در نظر گرفته شده برای بهبود سیستم های محاسبات نورومورفیک، چارچوب محاسباتی مخزن است. در اینجا سیگنال های ورودی در فضایی چند بعدی به نام مخزن نگاشت می شوند. مخزن آموزش ندیده است و فقط شناسایی توسط یک شبکه عصبی مصنوعی ساده شده را تسریع می کند.

این محاسبات نورومورفیک منجر به کاهش شدید منابع محاسباتی و زمان آموزش می شود. یک مثال معمولی از محاسبات مخزن طبیعی، بینایی انسان است: در چشم، اطلاعات بصری توسط صدها میلیون گیرنده نوری شبکیه از پیش پردازش شده و به سیگنال‌های الکتریکی تبدیل می‌شوند که توسط عصب بینایی به مغز منتقل می‌شوند. این فرآیند میزان داده های پردازش شده در مغز توسط قشر بینایی را تا حد زیادی کاهش می دهد.

آدرس IP بیشتر بخوانید: افشای داده‌های کاربران از طریق آدرس آی پی IP

سیستم‌های کامپیوتری مدرن محاسبات نورومورفیک می‌توانند عملکردهای مخزن را هنگام برخورد با سیگنال‌های دیجیتالی تقلید کنند. با این حال، پیشرفت اساسی زمانی حاصل خواهد شد که محاسبات مخزن را بتوان به طور مستقیم با سیگنال های آنالوگ توسط یک سیستم فیزیکی طبیعی، مانند بینایی انسان، انجام داد.

تیم بین‌المللی با محققانی از دورتموند، لافبورو، کیف و ناتینگهام مفهوم جدیدی از محاسبات نورومورفیک را توسعه داده‌اند که چنین پیشرفت‌هایی را بسیار شفاف تر می‌کند.

این مفهوم محاسبات نورومورفیک یک مخزن مبتنی بر امواج صوتی (فونون) و امواج اسپین (مگنون) را پیشنهاد می کند که در یک تراشه 25x100x1 میکرون مکعبی مخلوط شده اند. این تراشه از یک موجبر صوتی چند حالته تشکیل شده است که از طریق آن می توان امواج صوتی مختلف را منتقل کرد و توسط یک فیلم مغناطیسی طرح دار به ضخامت 0.1 میکرون پوشانده شده است.

اطلاعات ارائه شده توسط قطار پالس های لیزری فوق کوتاه قبل از شناسایی با تبدیل به بسته موج فونون-مگنون در حال انتشار، از قبل پردازش شده است. طول موج‌های کوتاه امواج منتشر شده منجر به چگالی اطلاعات بالا می‌شود، که امکان تشخیص مطمئن اشکال بصری ترسیم شده توسط لیزر در یک منطقه بسیار کوچک کمتر از یک فوتوپیکسل را فراهم می‌کند.

تالیف:
فروشگاه اینترنتی آ.اس.پ (اقتباس از مقاله‌ای از Techxplore)
در صورت استفاده از این مقاله، نام و آدرس فروشگاه اینترنتی آ.اس.پ را به عنوان منبع ذکر کنید.